夏麗亞

摘 要：隨著大數據時代的到來以及計算能力的提升，人工智能已成為新興技術。近幾年來，我國出臺了一系列有關人工智能的政策文件，推動了我國醫(yī)療人工智能技術的產業(yè)化。文中闡述了醫(yī)療人工智能技術的特點以及在智能管理、智能診斷、智能醫(yī)療、藥物研發(fā)等領域的應用，淺析了醫(yī)療人工智能存在的挑戰(zhàn)，并對醫(yī)療人工智能技術的發(fā)展前景作了展望。

關鍵詞：人工智能; 機器學習; 醫(yī)療健康; 醫(yī)療領域; 醫(yī)學創(chuàng)新

中圖分類號：TP18 ? ? ? ? ? ? ?文獻標識碼：A ? ? 文章編號：1006-3315（2020）2-196-002

人工智能（Artificial Intelligence，AI）作為一門前沿交叉學科，還沒有統(tǒng)一的定義。國家標準化管理委員會組織編寫的人工智能標準白皮書認為：人工智能是應用數字計算機以獲取數據的形式感知環(huán)境，模擬人的思維和行為。隨著大數據時代的到來以及計算能力的提升，人工智能已成為新興技術。

2015年以來，我國出臺了一系列有關人工智能的政策文件，推動了我國醫(yī)療人工智能技術產業(yè)化的發(fā)展，如圖1所示是我國相關醫(yī)療人工智能的政策規(guī)劃。

1.人工智能技術簡述

人工智能的概念誕生于20世紀50年代，由于當時軟硬件條件不成熟，數據資源短缺，人工智能并未能實現(xiàn)廣泛的應用。隨著圖形處理器（Graphics Processing Unit，GPU）、機器學習等基礎技術條件的日漸成熟，行業(yè)大數據的積累，人工智能得以應用在各個領域。

人工智能領域技術涉及到多門學科[1]，如圖2所示。

1.1GPU

GPU擁有多內核處理并行計算，擅長完成與顯示相關的數據處理，適合處理圖像中上百萬的圖像像素，GPU被稱為深度學習和計算機視覺發(fā)展的加速器[2，3]。

1.2機器學習

機器學習是人工智能研究領域中極其重要的研究方向，機器學習是研究如何從數據中構建模型且獲取模式的算法。機器學習能夠自動識別數據中的模式，然后利用已發(fā)現(xiàn)的模式去預測未來的數據。深度學習是采用多層神經網絡學習數據層次表示的機器學習方法，是機器學習領域中的重要分支，廣泛應用于語音識別、計算機視覺、自然語言處理等領域[4，5，6]。

1.3大數據

機器學習是人工智能的核心和基礎，而大數據是機器學習優(yōu)化計算機程序的性能標準。在健康領域，大數據和人工智能技術能夠提供醫(yī)療影像處理、智能診療、醫(yī)療機器人等更便捷、更智能的醫(yī)療服務。

2.醫(yī)療人工智能技術

目前，醫(yī)療人工智能的應用場景主要集中在智能管理、智能診斷、智能醫(yī)療、藥物研發(fā)等領域。

2.1智能管理

智能管理是利用人工智能技術及相關技術對醫(yī)院的現(xiàn)有資源進行科學管理，以實現(xiàn)醫(yī)療效用的最大化。

2.1.1智能導診與分診。智能導診與分診是人工智能技術在醫(yī)院管理的應用。隨著服務機器人應用技術和醫(yī)療的結合，服務機器人對患者的語音輸入進行語義分析，給出醫(yī)院的分診和導診建議，甚者服務機器人還能通過傳感器收集患者的體征信息，給出合理的建議。

2.1.2病歷與文獻分析。語音識別技術可以幫助醫(yī)生通過語音輸入完成查閱資料、文獻精準推送等工作，并將醫(yī)生口述的醫(yī)囑按照患者基本信息、檢查史、病史、檢查指標、檢查結果等形式轉換成結構化的電子病歷，提升醫(yī)生的工作效率。

人工智能可以依據患者數據和體征指標進行數據挖掘，創(chuàng)建預測模型，建立完整的用戶健康檔案，提供覆蓋全生命周期的精準健康管理及后續(xù)醫(yī)療服務。

2.2智能診斷

利用人工智能參與疾病的篩查和預測，從行為、生化、影像等檢查結果中進行判斷以獲取真實的信息。目前，人工智能技術在影像識別等方面的應用相對較多，人工智能技術在醫(yī)療影像的應用主要是指通過計算機視覺技術對B超、CT、X光、MRI、PET、消化道內窺鏡、眼底照相等醫(yī)療影像數據進行處理以獲取有效影像數據。然后通過深度學習海量的影像數據，對多層神經網絡的模型進行訓練，再通過測試影像數據確定真實的特征目標，實現(xiàn)分類判斷。醫(yī)療影像智能診斷可以協(xié)助放射科醫(yī)生工作，提高了診斷速度和工作效率。

2.3智能醫(yī)療

智能醫(yī)療是打造醫(yī)療信息平臺，實現(xiàn)患者與醫(yī)務人員、醫(yī)療機構、醫(yī)療設備之間的互動。人工智能學習專家醫(yī)生長期積累的醫(yī)療知識，經過深度學習之后提供“人工智能+輔助診療”診斷和治療方案。智能醫(yī)療結合互聯(lián)網技術、移動計算技術、數據融合技術等，可以提升醫(yī)療診療流程的服務效率和質量，提升醫(yī)院綜合管理水平，改變現(xiàn)代化數字醫(yī)療模式等問題。

2.4藥物研制

人工智能技術可以應用于小分子藥物晶型結構預測和志愿者招募信息化等。

2.4.1小分子藥物晶型結構預測。人工智能技術可以高效地動態(tài)配置千核的藥物晶型，幾十天內可以把一個小分子藥物的所有可能的晶型全部預測，無需擔心由于實驗搜索空間有限而漏掉重要晶型。

2.4.2志愿者招募信息化。通過網絡讓臨床試驗招募信息快速傳遞到大量患者，利用人工智能從中篩選符合臨床要求的患者，節(jié)約患者招募的時間成本、資金成本。另外，利用智能可穿戴設備進行數據搜集，可以減輕臨床試驗的侵入性。

3.醫(yī)療人工智能的挑戰(zhàn)

目前，大多數人工智能技術只是在某些領域展開有效的研究工作，多數方法是基于驗證或是交叉驗證，許多研究工作還處于基礎階段，將人工智能技術廣泛地應用于醫(yī)療領域也會有相當長的過程。

3.1醫(yī)療責任主體問題

人工智能輔助診斷在醫(yī)療責任認定方面存在挑戰(zhàn)，需要建立人工智能診斷進入臨床應用的法律標準、明確人工智能診斷的主體問題。

3.2醫(yī)療數據

醫(yī)療數據是醫(yī)療人工智能重要性的資源，也是醫(yī)院的資產。醫(yī)療數據的采集方式、數據的標準化、如何用于與醫(yī)院合作的企業(yè)等是醫(yī)療人工智能行業(yè)發(fā)展需要解決的問題。

3.3隱私

醫(yī)療人工智能技術會涉及患者的個人數據，如何保障個人隱私是醫(yī)療人工智能技術發(fā)展的重要基礎。

3.4安全

人工智能技術要依賴于傳感器、大數據和算法，人工智能系統(tǒng)多數使用開源軟件，軟件代碼龐大，可能會出現(xiàn)安全漏洞的機會。因此，醫(yī)療人工智能要關注防止安全漏洞風險的發(fā)生。

3.5復合型人才

目前，醫(yī)療領域十分匱乏熟悉醫(yī)療業(yè)務知識與了解人工智能知識的復合型人才。因此，只有解決復合型人才問題，才能突破醫(yī)療人工智能行業(yè)發(fā)展的瓶頸。

4.小結

人工智能技術的誕生已有幾十年的時間了，其中經過了幾次反復。目前人工智能技術研究在我國得到深入地開展，人工智能技術正處于從感知智能向認知智能的進階階段，將會在我國醫(yī)療人工智能方法與手段、智能輔助治療決策、人機協(xié)同診斷、人工智能多學科會診、智能輔助康復、醫(yī)藥研制、智能醫(yī)藥監(jiān)管等方面推動智慧醫(yī)療關鍵技術的發(fā)展?？梢韵嘈?，我國的人工智能技術將會在醫(yī)療領域發(fā)揮及其重要作用。

參考文獻：

[1]李航著.統(tǒng)計學習方法[M]北京：清華大學出版社，2012，11-15

[2]周志華著.機器學習[M]北京：清華大學出版社，2016，97-113

[3]袁梅宇著.機器學習基礎——原理、算法與實踐[M]北京：清華大學出版社，2018，151～161

[4]Peter Harrington著，李銳，李鵬，區(qū)亞東，等譯.機器學習實戰(zhàn)[M]北京：人民郵電出版社，2013，270～278

[5]葉韻著.深度學習與計算機視覺[M]北京：機械工業(yè)出版社，2018，27～36

[6]Mark Lutz著，李軍，劉紅偉，劉金華，等譯.Python學習手冊[M]北京：機械工業(yè)出版社，2017，540～549